1. 首頁 > 生活百科 > >

這3類工具最好用 常見數據分析工具有哪些？( 二 )

小知識


傳統的BI方式可能會需要ETL架構師或者是數據建模師等，但是自助式BI所需要的就很少了，基本上是可以完成人工的解放，盡可能地去減少成本 。
還有一個比較重要的點是，FineBI是通過拖拽字段的方式，實現數據透視分析的，可以一鍵生成圖表，入門門檻比較低，對于數據分析新手來說，比powerBI和tableau要好學一點 。
R語言和python第三類工具，這是最難的回答的 。 雖然像Excel，Bi工具這些軟件的設計已經盡最大努力考慮到大部分數據分析的應用場景，但本質上他們都是定制化的，如果沒有設計某一項功能，或者開發某項功能的按鈕，很有可能你就不能完成你的工作 。
對于這一點，編程語言就不一樣了，語言是非常強大非常靈活的，你可以隨心所欲地寫代碼執行你想要的東西 。 比如R和Python語言，作為數據科學家的必備工具，從職業高度上講，這絕對是高于Excel、BI工具的 。
那么有哪些應用場景，R、Python 可以做，而Excel和BI工具比較難實現呢？
1、專業的統計分析
以R語言來講，它最擅長的是統計型分析，比如求正態分布，利用算法歸類聚群，回歸分析等 。 這種分析就好比把數據當做一種實驗品，它能夠幫助我們回答的問題：
比如數據的分布情況，是正態分布、三角分布還是其他類型的分布？離散情況如何？是否在我們想要達到的統計可控范圍內呢？不同參數對結果的影響的量級是多少？以及假設性模擬分析，如果某一參數變化，會帶來多大的影響？
2、個體預測分析
比如我們想要預測一位消費者的行為，他會在我們的店里停留多長時間，消費多少，或者通過一個人的淘寶消費記錄判斷他的個人信用情況，制定貸款額度；再或者根據你在網頁上的瀏覽記錄，推送不同的商品 。 這也是涉及到目前比較火的機器學習、人工智能概念 。
總結以上的對比說明了幾個軟件的差別，我想總結的是，存在即合理 。 Excel\BI\編程語言，這些工具在應用上有交叉重疊的地方，也有互補的地方 。 對于重疊的地方，無論是哪種工具，只要你能利用它解決你遇到的問題，它就是最棒的 。
選擇哪個工具，首先要了解你自己的工作，是否會用到我剛才提到的那些應用場景 。 或者想想你的從業方向，是朝著偏重數據的數據科學方向發展，還是偏業務的商業分析方向 。

推薦閱讀